移動(dòng)電子商務(wù)中的推薦技術(shù)研究

徐紅宇

【摘 要】隨著電子商務(wù)的發(fā)展及移動(dòng)通信的普及，移動(dòng)電子商務(wù)涉及到的數(shù)據(jù)越來(lái)越多，在海量信息中找到合適的需求已經(jīng)成為移動(dòng)電子商務(wù)研究的重點(diǎn)。個(gè)性化推薦方法可以從海量信息中精準(zhǔn)的找到需要的信息，有效解決移動(dòng)商務(wù)面臨的信息過(guò)載困擾。

【關(guān)鍵詞】個(gè)性化推薦；電子商務(wù)；協(xié)同推薦；關(guān)聯(lián)規(guī)則挖掘

0 前言

電子商務(wù)涉及的用戶可能有不同背景、愛好，電商提供多樣化、個(gè)性化的服務(wù)有助于滿足不同類型用戶的個(gè)性化需求。和傳統(tǒng)的電子商務(wù)相比，移動(dòng)電子商務(wù)具有“人機(jī)對(duì)應(yīng)、一人一機(jī)”的特點(diǎn)，所以可以針對(duì)用戶進(jìn)行便捷的個(gè)性化推薦服務(wù)。

1 移動(dòng)商務(wù)及個(gè)性化服務(wù)

移動(dòng)電子商務(wù)是傳統(tǒng)電商的特別形式，是一種利用移動(dòng)通信網(wǎng)絡(luò)實(shí)現(xiàn)的電子商務(wù)活動(dòng)，其商務(wù)形式由固定地點(diǎn)延伸到隨時(shí)隨地；移動(dòng)電子商務(wù)的特征包括：位置相關(guān)性、隨時(shí)隨地訪問(wèn)。傳統(tǒng)的電子商務(wù)中用戶的位置并不重要，展現(xiàn)給所有用戶的是統(tǒng)一的內(nèi)容。移動(dòng)電子商務(wù)可以定位使用者，而且在移動(dòng)終端中的配置可以分辨用戶的身份；定位及用戶識(shí)別這兩個(gè)特性的結(jié)合使移動(dòng)電子商務(wù)具備一定的個(gè)性化特征。

移動(dòng)電子商務(wù)的個(gè)性化服務(wù)觀點(diǎn)有不同的內(nèi)涵：（1）用戶特性?？梢詫⒁苿?dòng)電子商務(wù)看作是為不同特性客戶提供針對(duì)性的信息內(nèi)容的服務(wù)。（2）用戶偏好及習(xí)慣。不同用戶的行為習(xí)慣以及偏好不盡相同，移動(dòng)電子商務(wù)需要為用戶提供滿足個(gè)性化需求的服務(wù)。針對(duì)上述觀點(diǎn)，可以將移動(dòng)個(gè)性化服務(wù)定義為：內(nèi)容及服務(wù)提供商根據(jù)用戶的身份、職業(yè)、偏好、年齡等特性，為不同的使用者提供針對(duì)性的內(nèi)容。個(gè)性化主要體現(xiàn)在[1]：（1）內(nèi)容的個(gè)性化。不同用戶對(duì)商品的需求不同，移動(dòng)電子商務(wù)不再僅僅提供多樣化的商品，而是根據(jù)用戶的興趣偏好為用戶推薦真正需要、可能消費(fèi)的商品，盡量減少用戶在商品搜索過(guò)程中耗費(fèi)的時(shí)間、精力。（2）服務(wù)方式的個(gè)性化。傳統(tǒng)的信息服務(wù)方式多為“PULL”模式，即信息直接發(fā)布到網(wǎng)絡(luò)上，用戶從海量信息中查找需要的信息。為了提高銷售效率，移動(dòng)電子商務(wù)必須改變?yōu)椤癙USH”模式，直接將合適的信息精準(zhǔn)的推薦給可能需要的用戶。

2 個(gè)性化推薦技術(shù)

電子商務(wù)的整個(gè)流程中涉及到大量不同類型的數(shù)據(jù)，比如用戶信息、商品信息、服務(wù)信息及日志、交易信息等。移動(dòng)電子商務(wù)涉及到的數(shù)據(jù)類型更多，而且異構(gòu)數(shù)據(jù)的比例更大；移動(dòng)用戶的需求可能會(huì)隨著時(shí)間、用戶場(chǎng)景的變化而變化；例如，旅行中的用戶通常更關(guān)注住宿、交通相關(guān)的商品信息，而休假中的用戶往往對(duì)娛樂信息更感興趣；這無(wú)疑增加了預(yù)測(cè)用戶行為、推薦合適商品的難度。

移動(dòng)電子商務(wù)中的個(gè)性化推薦技術(shù)的主要步驟包括：數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模、數(shù)據(jù)分析、個(gè)性化推薦。數(shù)據(jù)采集階段負(fù)責(zé)采集所有用戶的信息，包括用戶資料、購(gòu)買歷史信息等。數(shù)據(jù)預(yù)處理對(duì)采集到的數(shù)據(jù)進(jìn)行有效性檢查，去掉無(wú)效訂單。建模階段以數(shù)據(jù)挖掘技術(shù)為主，對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行聚類分析、關(guān)聯(lián)分析等。數(shù)據(jù)分析階段試圖從大量數(shù)據(jù)中發(fā)現(xiàn)用戶的購(gòu)買傾向，以便進(jìn)行個(gè)性化推薦。

通過(guò)上述分析可知移動(dòng)電子商務(wù)中個(gè)性化推薦的功能需要滿足[2]：（1）分析用戶的偏好和行為習(xí)慣，以進(jìn)行更加精確的用戶行為預(yù)測(cè)。關(guān)聯(lián)規(guī)則挖掘可以從用戶的購(gòu)買歷史數(shù)據(jù)中發(fā)現(xiàn)潛在的關(guān)聯(lián)關(guān)系。（2）分析用戶行為，針對(duì)用戶的購(gòu)買習(xí)慣，為用戶提供個(gè)性化推薦。協(xié)同過(guò)濾可以根據(jù)有相似購(gòu)買習(xí)慣用戶的偏好，為當(dāng)前用戶推薦其可能感興趣的商品信息。

3 關(guān)聯(lián)規(guī)則挖掘

關(guān)聯(lián)規(guī)則挖掘技術(shù)是實(shí)現(xiàn)移動(dòng)電子商務(wù)個(gè)性化推薦的關(guān)鍵，直接決定著個(gè)性化推薦的效果。關(guān)聯(lián)規(guī)則挖掘的目的是從海量信息中找到有商業(yè)價(jià)值的關(guān)聯(lián)關(guān)系，并為商業(yè)決策提供支持。

假設(shè)現(xiàn)有m條交易記錄、n個(gè)物品，并且物品集合I={Ij|j=1，2，…，n}，交易數(shù)據(jù)庫(kù)D={Ti|i=1，2，…，m}，則關(guān)聯(lián)數(shù)據(jù)挖掘過(guò)程中涉及到的概念主要包括[3]：（1）項(xiàng)集（Item set）。集合I中的任意子集，有p個(gè)物品項(xiàng)的項(xiàng)集（p-項(xiàng)集）Ip={I1，I2，…，Ip}。（2）關(guān)聯(lián)規(guī)則（Association Rule）。關(guān)聯(lián)規(guī)則是類似于R：Ii？圯Ij這樣的蘊(yùn)涵式，表明如果數(shù)據(jù)庫(kù)中的事務(wù)包含項(xiàng)集Ii，那么此事務(wù)也很可能包含項(xiàng)集Ij。（3）支持度。假設(shè)組成關(guān)聯(lián)規(guī)則r的物品項(xiàng)集為Ir，那么Ir在D上的支持度即為包含Ir的事務(wù)占D中所有事務(wù)的比例。（4）頻繁項(xiàng)集（Frequent Item Set）。頻繁項(xiàng)集指的是數(shù)據(jù)庫(kù)D中滿足指定最小支持度的所有非空子集。

獲取頻繁項(xiàng)集后，就能夠根據(jù)頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則；值得注意的是，生成的關(guān)聯(lián)規(guī)則中有很多是無(wú)意義或冗余的，為了提高推薦的質(zhì)量，必須改進(jìn)關(guān)聯(lián)規(guī)則的評(píng)價(jià)過(guò)程。關(guān)聯(lián)規(guī)則的評(píng)價(jià)過(guò)程又被稱為關(guān)聯(lián)規(guī)則的興趣度量度；常見的度量方法有主觀興趣度及客觀興趣度，前者一般是基于用戶的知識(shí)，而后者多依賴于挖掘數(shù)據(jù)和關(guān)聯(lián)規(guī)則的表現(xiàn)形式。支持度——置信度框架是最經(jīng)典的興趣度量方式[4]：支持度用來(lái)度量關(guān)聯(lián)規(guī)則的可用性，置信度用于評(píng)價(jià)關(guān)聯(lián)規(guī)則的確定性。

4 協(xié)同過(guò)濾推薦

傳統(tǒng)的電子商務(wù)技術(shù)在進(jìn)行商品推薦時(shí)大多使用的是基于內(nèi)容的過(guò)濾技術(shù)，這種方法在商品數(shù)量過(guò)多時(shí)的分析能力相對(duì)有限，而且難以發(fā)現(xiàn)用戶已經(jīng)展現(xiàn)出的興趣之外的潛在興趣。基于內(nèi)容的過(guò)濾和協(xié)同過(guò)濾的推薦方式如圖1所示：

協(xié)同過(guò)濾推薦技術(shù)克服了基于內(nèi)容過(guò)濾的不足，它根據(jù)其他習(xí)慣近似用戶的偏好為當(dāng)前用戶推薦可能感興趣的信息，并且在推薦時(shí)只需要用戶的購(gòu)買行為以及評(píng)分信息，并不需要其他額外信息，也不會(huì)涉及到用戶的個(gè)人隱私。

協(xié)同過(guò)濾技術(shù)的步驟包括：（1）采集電商的銷售數(shù)據(jù)、評(píng)分?jǐn)?shù)據(jù)，并根據(jù)相似性算法計(jì)算指定用戶、商品間的相似性；（2）根據(jù)相似性信息，獲取和指定用戶、商品最相似的k個(gè)目標(biāo)，稱為k近鄰集合；（3）根據(jù)k近鄰集合的信息，預(yù)測(cè)指定用戶對(duì)目標(biāo)商品的購(gòu)買興趣。

5 總結(jié)

要在移動(dòng)電子商務(wù)中進(jìn)行商品推薦需要發(fā)現(xiàn)用戶偏好、分析用戶行為，關(guān)聯(lián)規(guī)則挖掘的目的是從海量信息中找到有商業(yè)價(jià)值的關(guān)聯(lián)關(guān)系，協(xié)同過(guò)濾技術(shù)可以用于個(gè)性化推薦；這兩者的結(jié)合可以有效用于移動(dòng)電子商務(wù)，將特定內(nèi)容有針對(duì)性的推薦給電商的潛在用戶。

【參考文獻(xiàn)】

[1]吳吉義，龔祥國(guó)，林志潔.基于協(xié)同過(guò)濾的移動(dòng)電子商務(wù)個(gè)性化推薦系統(tǒng)若干研究[J].電子技術(shù)應(yīng)用.2016（1）.

[2]Adomavicius G，Tuzhilin A. Toward the Next Generation of Recommender Systems：A Survey of the State of the Art and Possible Extensions[J].IEEE Transaction on Knowledge and Data Engineering，2015（6）.

[3]徐月美，姜薇，王溢策.移動(dòng)設(shè)備的個(gè)性化推薦在上下文感知應(yīng)用[J].微計(jì)算機(jī)信息，2016（7）.

[4]張娜.電子商務(wù)環(huán)境下的個(gè)性化信息推薦服務(wù)及應(yīng)用研究[D].西安：西北工業(yè)大學(xué)，2016.endprint